CN115616568A - 基于mimo毫米波雷达的多模式形变监测系统及方法 - Google Patents

基于mimo毫米波雷达的多模式形变监测系统及方法 Download PDF

Info

Publication number
CN115616568A
CN115616568A CN202211251033.4A CN202211251033A CN115616568A CN 115616568 A CN115616568 A CN 115616568A CN 202211251033 A CN202211251033 A CN 202211251033A CN 115616568 A CN115616568 A CN 115616568A
Authority
CN
China
Prior art keywords
phase
target
image
radar
images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211251033.4A
Other languages
English (en)
Inventor
李华青
石亚伟
李传东
王慧维
张伟
陈孟钢
冯丽萍
尚一航
周梦媛
张雯雯
罗勇
田其华
李松洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University
Original Assignee
Southwest University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University filed Critical Southwest University
Priority to CN202211251033.4A priority Critical patent/CN115616568A/zh
Publication of CN115616568A publication Critical patent/CN115616568A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/06—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring the deformation in a solid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于MIMO毫米波雷达的多模式形变监测系统及方法，其中，系统包括：精密滑轨、第一MIMO雷达、第二MIMO雷达和主控计算机；第一MIMO雷达由精密滑轨带动对目标发射调频连续波信号，并接收对应回波信号；主控计算机对回波信号处理得到四维立方体离散数据，并采用RAM成像算法进行聚焦处理，获取SAR主副图像，对SAR主副图像进行干涉、配准及解缠绕处理，得到目标的形变值；第二MIMO雷达对目标连续发射射频连续波，并接收回波，主控计算机处理回波，提取回波的相位信息进行解缠绕，反演得到目标的形变值。本发明能够实现SAR和/或RAR的多模式形变监测，适用场景多，且提升了目标形变监测的精度。

Description

基于MIMO毫米波雷达的多模式形变监测系统及方法
技术领域
本发明涉及形变监测技术领域，尤其涉及一种基于MIMO毫米波雷达的多模式形变监测系统及方法。
背景技术
近些年，随着科学技术的不断发展，基建设施得到了快速发展，但相对的，也发生了很多老化建筑坍塌崩裂的悲惨事故，造成了不可轻视的损失和影响。无论是在基础设施的建设或者完工投入使用的过程中，都可能因为各种各样的原因而发生一定程度的形变，而当该形变值超出了该设施的最大可承受范围之后，就可能发生上述坍塌崩裂的事故。因此，就需要对建筑物的微弱形变进行持续有效的监测。
但是目前的形变监测方法或只能够用于微弱振动的监测，不能够对大规模坍塌场景进行有效直观的监测，或是能够针对大幅度形变场景进行监测，但不能够获取准确有效的局部形变信息，且成像精度低，难以识别。
因此，亟需一种能够适用于多场景且成像精度高的形变监测系统。
发明内容
基于此，有必要针对上述技术问题，提供一种基于MIMO毫米波雷达的多模式形变监测系统及方法。
一种基于MIMO毫米波雷达的多模式形变监测系统，包括：精密滑轨、第一MIMO雷达、第二MIMO雷达和主控计算机；所述第一MIMO雷达用于进行SAR模式的目标形变监测，所述第一MIMO雷达由所述精密滑轨带动对目标发射调频连续波信号，并接收对应的回波信号，将所述回波信号传输至所述主控计算机；所述主控计算机接收所述回波信号进行处理，获取天线通道数*方位位置*高度位置*距离维的四维立方体离散数据，采用RAM成像算法对所述四维立方体离散数据进行处理，获取不同时刻的SAR主副图像，对所述SAR主副图像进行干涉、配准及解缠绕处理，计算出目标的形变值；所述第二MIMO雷达固定在系统最高处，用于进行RAR模式的目标微形变监测，通过所述第二MIMO雷达对目标连续发射射频连续波，并接收回波，通过所述主控计算机处理所述回波，提取回波的相位信息进行解缠绕，反演得到形变-时序图，根据所述形变-时序图计算出目标的形变值。
在其中一个实施例中，所述第一MIMO雷达和第二MIMO雷达的前端模块均包括有发射天线阵列、接收天线阵列、信号处理存储模块、射频控制电路、功率放大器、混频器、低噪声放大器、中频滤波器和模数转换器；所述发射天线阵列与所述功率放大器连接，所述射频电路连接所述混频器、功率放大器和信号处理存储模块；所述接收天线阵列与所述低噪声放大器连接，所述低噪声放大器与所述混频器连接，所述混频器与所述中频滤波器连接，所述中频滤波器与所述模数转换器连接，所述模数转换器与所述信号处理存储模块连接。
一种基于MIMO毫米波雷达的多模式形变监测方法，采用如上所述的基于MIMO毫米波雷达的多模式形变监测系统，能够实现SAR模式和/或RAR模式的目标形变监测，其中，SAR模式包括：根据第一MIMO雷达的天线布局，接收回波数据并进行处理，获取通道、方位向、高度向和距离向的四维立方体离散数据，所述四维立方体离散数据包括待测目标的方位、高度和距离信息；根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，通过聚焦成像获取不同时刻SAR图像形成的多幅时序复数图像；从所述多幅时序复数图像中选取一幅图像作为主图像，未选中的作为副图像，采用相关系数法对所述主图像和副图像进行图像配准处理，将配准后的主图像和副图像共轭相乘，获得若干幅干涉图像；采用振幅均值法和振幅离差法在所述若干幅干涉图像选取永久散射点，根据所述永久散射点构建三角网络；采用基于FFT的最小二乘法对所述三角网络进行相位解缠绕操作，获取每个所述永久散射点的真实相位，根据所述真实相位反演获取待测目标的形变值。
在其中一个实施例中，所述根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，通过成像聚焦获取不同时刻SAR图像形成的多幅时序复数图像，具体包括：在慢时间t时刻，接收阵元n接收来自发射阵元m的静态场景目标回波信号的实际多普勒信号相位为：
Figure BDA0003887910070000031
所述接收阵元和发射阵元的中间位置为等效相位中心，等效多普勒信号相位为等效阵元到目标点距离Re(t)的双程延时得到的相位，为：
Figure BDA0003887910070000032
将所述实际多普勒信号相位与等效多普勒信号相位的差值进行等效中心相位补偿，将四维立方体离散数据根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，则雷达回波表示为：
Figure BDA0003887910070000033
将相位补偿后的四维立方体离散数据送入RMA快速层析算法中，通过成像聚焦形成高精度SAR图像，为：
Figure BDA0003887910070000034
其中，σ(x,y,z0)为雷达散射截面积，是目标在第一MIMO雷达接收方向上反射第一MIMO雷达信号能力的度量，K＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离第一MIMO雷达孔径的距离；根据不同时刻的高精度SAR图像，形成时序复数图像。
在其中一个实施例中，所述RMA快速层析算法具体包括：将任意散射点的散射系数用卷积表示为：
Figure BDA0003887910070000035
根据卷积定理将上式改写为：
Figure BDA0003887910070000036
结合驻定相位原理求解上式，则成像区域任意散射点强度分布为：
Figure BDA0003887910070000037
其中，k＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离雷达孔径的距离。
在其中一个实施例中，所述从所述多幅时序复数图像中选取一幅图像作为主图像，未选中的作为副图像，采用相关系数法对所述主图像和副图像进行图像配准处理，将配准后的主图像和副图像共轭相乘，获得若干幅干涉图像，具体包括：在所述主图像中选取主图像中心点，并确定所述主图像中心点在所述副图像上的同名点；根据所述主图像中心点和同名点，计算副图像相对主图像在行、列方向上的坐标偏移量；以所述主图像中心点为中心选取匹配窗口，在所述副图像对应的位置选取搜索框，并以整像素为步进搜索计算不同偏移时的相关系数，获取最大相关系数，所述最大相关系数对应的点为配准点，其中，所述相关系数的计算公式为：
Figure BDA0003887910070000041
式中，M1表示主图像，M2表示副图像，m、n为相关计算的窗口大小，u、v为窗口的偏移量，/表示复共轭；根据所述配准点对所述副图像进行配准，所述副图像逐一配准完成后，将所述副图像分别与所述主图像共轭相乘，获取干涉图像。
在其中一个实施例中，所述采用振幅均值法和振幅离差法在所述若干幅干涉图像选取永久散射点，根据所述永久散射点构建三角网络，具体包括：计算所述干涉图像的振幅均值，公式为：
Figure BDA0003887910070000042
式中，M和N分别表示图像中行和列的像元数目；遍历所述干涉图像上所有像素点的幅值，保留所述干涉图像上幅值大于所述振幅均值的像素点，获取若干幅新干涉图像；在所述若干幅新干涉图像中，用(i,j)表示像素点的坐标，mA(i,j)表示振幅均值，mA(i,j)表示方差，其中，振幅均值以及方差的计算公式分别为：
Figure BDA0003887910070000043
式中，Ak(i,j)表示第k幅干涉图像的振幅图，N表示振幅图个数；设置阈值ε，计算振幅离差指数DA(i,j)，公式为：
Figure BDA0003887910070000051
若所述振幅离差指数大于阈值ε，则认定对应的像素点为永久散射点；基于Delaunay三角网的构造方法，根据所述永久散射点构建三角网络。
在其中一个实施例中，所述采用基于FFT的最小二乘法对所述三角网络进行相位解缠绕操作，获取每个所述永久散射点的真实相位，根据所述真实相位反演获取待测目标的形变值，具体包括：在所述三角网络中选取一个永久散射点Pi,j作为参考点，计算Pi,j的值，公式为：
Figure BDA0003887910070000052
设定干涉相位矩阵大小为M×N，根据周期函数对每一行的Pi,j进行镜像对称操作，并按列执行相同操作得到
Figure BDA0003887910070000053
其中，周期函数为：
Figure BDA0003887910070000054
对
Figure BDA0003887910070000055
作二维傅里叶变换，得到Pk,l，根据下式计算
Figure BDA0003887910070000056
Figure BDA0003887910070000057
对
Figure BDA0003887910070000058
作二维傅里叶逆变换，得到解缠绕函数的最小二乘估算值，完成解缠绕操作，得到真实相位；基于所述真实相位采用下式反演出待测目标的形变值：
Figure BDA0003887910070000059
其中，λ为电磁波波长，
Figure BDA00038879100700000510
为干涉相位差。
在其中一个实施例中，所述RAR模式包括：通过第二MIMO雷达向待测目标发射调频连续波信号，并接收待测目标的回波信号；对所述回波信号进行距离维的快速傅里叶变换，获取待测目标的距离信息，并根据所述距离信息，确定待测目标所在的距离门并提取对应回波信号的相位值；重复获取所有回波信号的距离信息和相位值，得到相位-时序数据；对所述相位-时序数据进行相位解缠绕处理，获取真实相位；对所述真实相位进行相位差分操作，并根据差分后的真实相位计算获取待测目标的形变值。
相比于现有技术，本发明的优点及有益效果在于：能够实现SAR模式和/或RAR模式的目标形变监测，从而兼顾了微形变监测和大幅度形变监测，使得系统能够适用于多种场景下的目标形变监测，此外，还能够提供对待测目标的实时、长时间和全方位的有效监测，且提升了雷达图像的精确度，使得形变测量能够达到毫米级，监测精度高。
附图说明
图1为一个实施例中一种基于MIMO毫米波雷达的多模式形变监测系统的结构示意图；
图2为一个实施例中一种基于MIMO毫米波雷达的多模式形变监测系统的外观示意图；
图3为一个实施例中第一雷达前端模块的结构示意图；
图4为一个实施例中一种基于MIMO毫米波雷达的多模式形变监测方法的流程示意图；
图5为一个实施例中SAR模式监测方法的流程示意图；
图6为一个实施例中SAR模式的运行示意图；
图7为一个实施例中RAR模式监测方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
为了方便理解，下面对具体实施方式中使用的相关专业术语进行说明。
Ground-Based Synthetic Aperture Radar(GBSAR)：地基合成孔径雷达，应用在地表微形变监测领域。其不需要布点作业、监测效率高、携带方便、安装灵活、监测范围广，可以满足基础设施建设、建筑结构监测的应用需求。
Multiple Input-Multiple Output(MIMO)：多输入多输出，MIMO雷达指在发射端和接收端都使用多阵元的天线阵。MIMO雷达系统可以构成远多于实际收发阵元数目的观测信道，多观测信道使得MIMO雷达能够采集携带有目标不同幅度、时延和相位的回波信息，实现更多的信息自由度。
RAR(Real Aperture Radar，真实孔径雷达)模式，具有便于监测，持续时间长的优点，能够用于器械等的微弱振动监测。
SAR(Synthetic Aperture Radar，合成孔径雷达)模式，能够适用于山体滑坡、大坝坍塌等大幅度形变场景中。
如图1至图3所示，提供了一种基于MIMO毫米波雷达的多模式形变监测系统10，包括：主控计算机11、精密滑轨12、第一雷达13和第二雷达14；第一MIMO雷达13用于进行SAR模式的目标形变监测，第一MIMO雷达13由精密滑轨12带动对目标发射调频连续波信号，并接收对应的回波信号，将回波信号传输至主控计算机11；主控计算机11接收回波信号进行处理，获取天线通道数*方位位置*高度位置*距离维的四维立方体离散数据，采用RAM成像算法对四维立方体离散数据进行处理，获取不同时刻的SAR主副图像，对SAR主副图像进行干涉、配准及解缠绕处理，计算出目标的形变值；第二MIMO雷达14固定在系统最高处，用于进行RAR模式的目标微形变监测，通过第二MIMO雷达14对目标发射射频连续波，并接收回波，主控计算机处理回波，提取回波的相位信息进行解缠绕，反演得到形变-时序图，根据形变-时序图计算出目标的形变值。
在一个实施例中，系统的外观如图2所示，在使用前，初始化数据采集的各个参数，雷达移动速度、雷达脉冲发射频率等，通过该系统进行SAR模式的形变监测时，设置系统x轴(方位向)和y轴(高度向)每次移动距离分别为dx(mm)、dy(mm)，y轴上升高度；雷达采用一发四收的收发方式，并将天线阵元上接收的回波数据全部存储起来，用一个小天线沿着方位向长线阵的轨迹等速移动并辐射相参信号，就能获得一个相当于很长线阵的方位向高分辨力，本系统按照“蛇”型依次按行接收并存储回波信号，将上位机接收到的数据进行预处理，提取天线通道数×方向维×距离维×高度维的四维立方体离散数据，便于后续的数据处理。
在本实施例中，系统在SAR模式的工作方法为：首先，第一MIMO雷达13通过其MIMO天线随着精密滑轨12在1m*0.5m的矩形空间里的每一个位置上发射调频连续波信号并接收对应位置的回波信号；其次，将接收到的雷达回波传送到主控计算机11进行数据的处理，形成天线通道数*方位位置*高度位置*距离维的四维矩阵；第三，将获取的四维矩阵送入到RMA成像算法中形成高精度SAR图像，通过长时间的采集，获得不同时刻的SAR主副图像集；第四，进行SAR主副图像的配准并共轭相乘获得干涉图，并对干涉图进行相位解缠获取真实的相位差；最后，反演出形变信息在主控计算机11上进行显示。
在本实施例中，系统在RAR模式的工作方法为：在将第二MIMO雷达14调整至最优角度后，对待测目标进行连续的发射调频连续波，接收回波，通过主控计算机11提取每个回波的相位信息来进行解缠，最后反演出形变值组成形变-时序图，在主控计算机11进行显示。其中，第二MIMO雷达14固定在系统最高处，可进行监测角度的调整，便于将第二MIMO雷达14调整到最优角度对待测目标进行监测。
其中，第一MIMO雷达13和第二MIMO雷达14均包括其对应的雷达子系统，通过雷达子系统能够向待测目标发射调频连续波信号，并接收每个位置的回波信号。
其中，精密滑轨12为二维滑轨，能够带动第一MIMO雷达13滑动至矩形空间内的任一位置，增大了电磁波的辐射范围，便于获取对应的方位距离图像，并根据方位距离图像获取待测目标的方位和距离信息，从而提升对待测目标的形变监测精确度。
在一个实施例中，如图3所示，第一MIMO雷达13和第二MIMO雷达14的前端模块包括有发射天线阵列、接收天线阵列、信号处理存储模块、射频控制电路、功率放大器、混频器、低噪声放大器、中频滤波器和模数转换器；发射天线阵列与功率放大器连接，射频电路连接混频器、功率放大器和信号处理存储模块；接收天线阵列与低噪声放大器连接，低噪声放大器与混频器连接，混频器与中频滤波器连接，中频滤波器与模数转换器连接，模数转换器与信号处理存储模块连接。
具体地，通过发射天线阵列向待测目标发射调频连续波信号，并通过接收天线阵列接收对应的回波信号，回波信号依次进行低噪声放大、混频、中频滤波和模数转换，最后输入信号处理存储模块进行处理或存储，结合主控计算机11，得到待测目标的形变值，从而实现对待测目标的形变监测。
在本实施例中，结合了SAR技术和RAR技术，形成了一种基于MIMO毫米波雷达的多模式形变监测系统，从而兼顾了微形变监测和大幅度形变监测，使得系统能够适用于多种场景下的目标形变监测，此外，能够提供对待测目标的实时、长时间和全方位的有效监测，且提升了雷达图像的精确度，使得形变测量能够达到毫米级，监测精度高。
在一个实施例中，如图4所示，提供了一种基于MIMO毫米波雷达的多模式形变监测方法，基于上述基于MIMO毫米波雷达的多模式形变监测系统，能够实现SAR模式和/或RAR模式的目标形变监测。在采用SAR模式对目标进行形变监测时，将雷达接收到的雷达原始数据进行处理和加窗滤波，并输入RMA算法成像，获取二维雷达的高精度图像，多次获取高精度图像并进行共轭相乘，得到干涉图，将干涉图进行相位解缠和误差校正，获取真实相位，并根据真实相位反演得出目标的形变信息。
在采用RAR模式对目标进行形变监测时，将雷达接收到的雷达原始数据进行数据处理和加窗滤波，计算每一帧各chirp(一个脉冲的时间)对应距离的相位值，将每个chirp的相位值组成相位-时序图，并将相位时序进行相位解缠，从而能够实时计算出目标的位移形变信息。
在一个实施例中，如图5至6所示，提供了一种基于MIMO毫米波雷达的多模式形变监测方法，采用SAR模式实现目标的形变监测，包括以下步骤：
步骤S501，根据第一MIMO雷达的天线布局，接收回波数据并进行处理，获取通道、方位向、高度向和距离向的四维立方体离散数据，四维立方体离散数据包括待测目标的方位、高度和距离信息。
具体地，在进行监测之前，初始化数据采集的各个参数，第一MIMO雷达的移动速度和脉冲发射频率等，设置GBSAR系统x轴(方位向)和y轴(高度向)每次移动距离分别为dx(mm)和dy(mm)，表示x轴和y轴的上升高度。第一MIMO雷达采用一发四收的收发方式，并将天线阵元上接收的回波数据全部进行存储，用一个小天线沿着方位向长线阵的轨迹等速移动并辐射相参信号，就能获得一个相当于长线阵的方位向高分辨能力，系统按照“蛇”型依次按行接收并存储回波信号，其按SAR模式运行如附图6所示。将接收到的回波数据进行预处理，提取通道×方位维×距离维×高度维的四维立方体离散数据，便于后续的数据处理。
步骤S502，根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，通过成像聚焦获取不同时刻SAR图像形成的多幅时序复数图像。
具体地，根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，并根据等效相位中心原理进行相位补偿，在某一时刻t，距雷达Rt处的目标回波为：
Figure BDA0003887910070000101
式中，A为第一MIMO雷达接收信号的幅度。
在对四维立方体离散数据进行相位补偿后，进行距离向的傅里叶变换，使用匹配滤波函数与二维波数谱相乘，通过重建图像函数生成高精度SAR图像，将不同时刻形成SAR图像组成时序复数图像，从而能够获取较大场景下的待测目标的监测图像，便于对大幅度形变场景进行监测。
其中，在慢时间t时刻，接收阵元n接收来自发射阵元m的静态场景目标回波信号的实际多普勒信号相位为：
Figure BDA0003887910070000102
接收阵元和发射阵元的中间位置为等效相位中心，等效多普勒信号相位为等效阵元到目标点距离Re(t)的双程延时得到的相位，为：
Figure BDA0003887910070000103
将所述实际多普勒信号相位与等效多普勒信号相位的差值进行等效中心相位补偿，将四维立方体离散数据根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，则雷达回波表示为：
Figure BDA0003887910070000104
将相位补偿后的四维立方体离散数据送入RMA快速层析算法中，通过成像聚焦形成高精度SAR图像，为：
Figure BDA0003887910070000105
其中，σ(x,y,z0)为雷达散射截面积，是目标在第一MIMO雷达接收方向上反射第一MIMO雷达信号能力的度量，K＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离第一MIMO雷达孔径的距离；根据不同时刻的高精度SAR图像，形成时序复数图像。
具体地，将实际多普勒信号相位与等效多普勒信号相位的差值
Figure BDA0003887910070000115
进行等效中心相位补偿，将四维立方体离散数据根据等效相位中心原理进行相位补偿，再进行距离向的傅里叶变换，将相位补偿后的数据送入RMA快速层析算法中，形成高精度SAR图像，得到N幅不同时刻的高精度SAR时序复数图像，从而提升了SAR雷达图像的精确度。
其中，雷达散射截面积的计算公式为：
Figure BDA0003887910070000111
其中，RMA快速层析算法具体包括：将任意散射点的散射系数用卷积表示为：
Figure BDA0003887910070000112
根据卷积定理将上式改写为：
Figure BDA0003887910070000113
结合驻定相位原理求解上式，则成像区域任意散射点强度分布为：
Figure BDA0003887910070000114
其中，k＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离雷达孔径的距离。
具体地，为了便于对回波信号进行频域处理，根据卷积定理将散射系数进处理，利用驻定相位原理(Principle of Stationary Phase，POSP)求解，由于POSP对于幅度变化慢、相位变化快的信号有很好的计算精度，其实现原理是在相位变化很快的地方，幅度在一个完整相位周期内近似为常数，由于相位周期的正负部分相互抵消，故其对于傅里叶变换中的积分运算贡献几乎为零，根据POSP求解，得到成像区域任意散射点散射强度分布。使用匹配滤波函数与二维波数谱相乘，通过重建图像函数生成高精度SAR图像，将不同时刻形成SAR图像组成时序复数图像。
步骤S503，从多幅时序复数图像中选取一幅图像作为主图像，未选中的作为副图像，采用相关系数法对主图像和副图像进行图像配准处理，将配准后的主图像和副图像共轭相乘，获得若干幅干涉图像。
具体地，获取多幅时序复数图像后，选取一幅图像作为主图像，未选中的作为副图像，将主图像与任意副图像进行配准，首先需要在主图像和副图像之间找到足够多的同名点，即两幅图像之间的相同特征点，通过同名点之间的对应关系，确定主图像与副图像的几何变换模型，根据几何变换关系对副图像进行重采样，获取配准后的图像，根据前述方法逐一对所有副图像进行配准，将配准后的主图像和副图像共轭相乘，获取对应的干涉图像。
其中，在主图像中选取主图像中心点，并确定主图像中心点在副图像上的同名点；根据主图像中心点和同名点，计算副图像相对主图像在行、列上的坐标偏移量；以主图像中心点为中心选取匹配窗口，在副图像对应的位置选取搜索框，并以整像素为步进搜索计算不同偏移量时的相关系数，获取最大相关系数，最大相关系数对应的点为配准点，其中，相关系数的计算公式为：
Figure BDA0003887910070000121
式中，M1表示主图像，M2表示副图像，m、n为相关计算的窗口大小，u、v为窗口的偏移量，*表示复共轭；根据配准点对副图像进行配准，副图像逐一配准完成后，将副图像分别与主图像共轭相乘，获取干涉图像。
具体地，选取主图像中心点Pm(um,vm)，计算点Pm在副图像中的像素坐标Ps(us,vs)，该点即主图像中心点Pm在副图像上的同名点；则副影像相对主影像在行、列方向上的坐标偏移量分别为u＝us-um和v＝vs-vm，以主图像中心点为控制点，确定主图像的控制点后，以该控制点为中心选取匹配窗口，在辅图像的对应位置选取搜索框，并以整像素为步进搜索计算不同偏移时的相干系数，相关系数最大的点即为配准点。图像配准完毕后，副图像分别与主图像共轭相乘，获取对应的干涉图像。
步骤S504，采用振幅均值法和振幅离差法在若干幅干涉图像中选取永久散射点，根据永久散射点构建三角网络。
具体地，由于永久散射点通常具有较强的散射特性，在采用振幅离差法进行处理之前，可以采用振幅均值阈值法，将振幅较小的点去除，然后采用振幅离差法获取干涉图像中的永久散射点，从而提升筛选永久散射点的精确度，并根据干涉图像的永久散射点构造三角网络，便于获取永久散射点的相位。
其中，计算所述干涉图像的振幅均值，公式为：
Figure BDA0003887910070000131
式中，M和N分别表示图像中行和列的像元数目；遍历干涉图像上所有像素点的幅值，保留干涉图像上幅值大于振幅均值的像素点，获取若干幅新干涉图像；在若干幅新干涉图像中，用(i,j)表示像素点的坐标，mA(i,j)表示振幅均值，mA(i,j)表示方差，其中，振幅均值以及方差的计算公式分别为：
Figure BDA0003887910070000132
式中，Ak(i,j)表示第k幅干涉图像的振幅图，N表示振幅图个数；设置阈值ε，计算振幅离差指数DA(i,j)，公式为：
Figure BDA0003887910070000133
若振幅离差指数大于阈值ε，则认定对应的像素点为永久散射点；基于Delaunay三角网的构造方法，根据永久散射点构建三角网络。
具体地，根据获取的干涉图像，采用振幅离差法和振幅均值法，选取干涉图像中相位稳定性强、变化小的强散射点，作为永久散射点。由于永久散射点通常具有较强的散射特性，因此，振幅过小的点不会是永久散射点，因此，在采用振幅离差法进行处理之前，可以采用振幅均值阈值法，将振幅较小的点去除，防止误判的发生，提升最终形变监测的精确度。
获取干涉图像中的永久散射点后，需要根据永久散射点建立PS基线网络，采用基于Delaunay三角网的构造方法，即其中每两个相邻的三角形构成的凸四边形的对角线，在相互交换后，六个内角的最小角不再增大，且任意一个三角形的外接圆不含面内其他点，该三角网络具有结构好、数据冗余小及存储简单等优点，从而能够便于永久散射点的相位获取。
步骤S505，采用基于FFT的最小二乘法对三角网络进行相位解缠绕操作，获取每个永久散射点的真实相位，根据真实相位反演获取待测目标的形变值。
具体地，在根据永久散射点组成三角网络后，采用基于FFT的最小二乘法对三角网络进行相位解缠绕，获取每个永久散射点的真实相位，并根据真实相位反演获取各个永久散射点的形变值，从而获取待测目标的形变大小和形变速率，通过SAR模式的形变监测，使得该方法能够适用于大幅度形变场景中。
其中，在三角网络中选取一个永久散射点Pi，j作为参考点，计算Pi，j的值，公式为：
Figure BDA0003887910070000141
设定干涉相位矩阵大小为M×N，根据周期函数对每一行的Pi,j进行镜像对称操作，并按列执行相同操作得到
Figure BDA0003887910070000142
其中，周期函数为：
Figure BDA0003887910070000143
对
Figure BDA0003887910070000144
作二维傅里叶变换，得到Pk,l，根据下式计算
Figure BDA0003887910070000145
Figure BDA0003887910070000146
对
Figure BDA0003887910070000147
作二维傅里叶逆变换，得到解缠绕函数的最小二乘估算值，完成解缠绕操作，得到真实相位；基于真实相位采用下式反演出待测目标的形变值：
Figure BDA0003887910070000148
其中，λ为电磁波波长，
Figure BDA0003887910070000149
为干涉相位差。
具体地，PS点组成三角网络后，采用相位解缠绕的方式获得各个PS点的形变大小和形变速率。在网络中，选择一个稳定的点为参考点，利用最小二乘法即可求得每个PS点的差分相位。主要算法思想为相位解缠前的相位数据导数和解缠后的相位数据导数的差最小化，从而得到其解缠相位的值，其相位解缠的数学表达式为：
Figure BDA00038879100700001410
其中，ki,j为整数，-π≤ψ(i,j)≤π，i∈[0,M-1],j∈[0,M-1]，某一像元点(i，j)解缠相位的梯度和缠绕相位的梯度之差为:
Figure BDA0003887910070000151
其中，
Figure BDA0003887910070000152
要使得J最小等价于其平方和最小，对其求平方后对
Figure BDA0003887910070000153
求偏导解得：
Figure BDA0003887910070000154
其中令：
Figure BDA0003887910070000155
Figure BDA0003887910070000156
求极值问题中，要使J最小，必然有δJ＝0，故需满足bi,j-bi-1,j+ai,j-ai-1,j＝0，代入有：
Figure BDA0003887910070000157
ρ(i,j)＝Δx(i,j)-Δx(i-1,j)-Δy(i,j)-Δy(i,j-1)
其边界条件为：
Figure BDA0003887910070000158
该式就是离散形式的具有纽曼边界的泊松方程，即相位解缠问题就简化为求离散泊松方程的解为：
Figure BDA0003887910070000159
最后，利用解缠的真实相位反演出目标微形变值，从而实现对大幅度形变场景的形变监测，通过采用FFT的最小二乘法对三角网络进行相位解缠绕操作，从而获取到每个永久散射点的真实相位，并能够根据真实相位反演获取待测目标的形变值，从而实现对待测目标大幅度形变的精准监测，提升了对待测目标形变监测的精确度。
在本实施例中，根据第一MIMO雷达的天线布局，接收回波数据并进行处理，得到四维立方体离散数据，基于通道将对应的四维立方体离散数据放置在随滑轨移动时发射射频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向为傅里叶变换，得到不同时刻的SAR图像组成的多幅时序复数图像；在多幅时序复数图像中确定主图像和副图像，采用相关系数法对主图像和副图像进行图像配准，并在配准后进行共轭相乘，得到若干幅干涉图像；采用振幅均值法和振幅离差法在若干幅干涉图像中选取永久散射点，并构建三角网络，采用基于FFT的最小二乘法对三角网络进行相位解缠绕操作，获取所有永久散射点的真实相位，并反演得到待测目标的形变值，实现了SAR模式的目标形变监测，从而能够实现对大幅度形变场景的监测，且提升了获取的SAR图像的精度，从而能够得到更加清晰的成像图，便于精准识别形变信息。
在一个实施例中，如图7所示，提供了一种基于MIMO毫米波雷达的多模式形变监测方法，采用RAR模式实现目标的形变监测，包括以下步骤：
步骤S701，通过第二MIMO雷达向待测目标发射调频连续波信号，并接收待测目标的回波信号。
具体地，确定待测目标后，将系统中的相关参数初始化，启动系统，将第二MIMO雷达调整到监测待测目标的最优角度，通过设置在系统最高处的第二MIMO雷达向待测目标发射调频连续波信号，并接收对应的回波信号，获取原始回波数据。
步骤S702，对回波信号进行距离维的快速傅里叶变换，获取待测目标的距离信息，并根据距离信息，确定待测目标所在的距离门并提取对应回波信号的相位值。
具体地，对回波信号进行预处理后，再进行距离维的快速傅里叶变换，在某时刻t，距雷达Rt处的目标回波为：
Figure BDA0003887910070000171
式中，A为雷达接收信号的幅值；此时，根据第二MIMO雷达与待测目标的实际距离关系，确定待测目标所在的距离门信息和在距离维的频点数，对待测目标所在的频点位置处的复数值进行相位求解操作，得到该点回波信号的相位值，为：
Figure BDA0003887910070000172
步骤S703，重复获取所有回波信号的距离信息和相位值，得到相位-时序数据。
具体地，通过去斜处理消除上述相位中最后一项非线性残余相位，同时由于电磁波的传输速度快，待测目标移动前后，信号在回波和第二MIMO雷达之间的传输时间近似异质，所以电磁波传输时间差值近似为0，此时相位简化为：
Figure BDA0003887910070000173
对接收的每一个回波信号重复进行步骤S702的操作，得到相位-时序图，从而能够根据相位-时序图提取对应的相位变化关系。
步骤S704，对相位-时序数据进行相位解缠绕处理，获取真实相位。
具体地，在获取相位-时序数据后，对其进行解缠绕处理，解缠绕的步骤与SAR模式中步骤S505的解缠绕方法相同，此处不再赘述。由于相位值只能在[-π，π]之间，因此每当连续值之间的相位差大于或者小于±π时，将相位减去2π获得真实相位。
步骤S705，对真实相位进行相位差分操作，并根据差分后的真实相位计算获取待测目标的形变值。
具体地，在真实相位后，对其进行相位差分操作，当Rt不同时，求得两次回波之间的相位差与距离差之间的关系为：
Figure BDA0003887910070000174
其中，λ为电磁波波长，
Figure BDA0003887910070000175
为干涉相位差，从而求得目标的微弱形变值Dlos。通过上述步骤实现了RAR模式的形变监测，从而能够对生产器械的微弱振动进行实时持续的监测，且形变测量能够达到毫米级，监测精度高。
在本实施例中，通过第二MIMO雷达向待测目标发射调频连续波信号，接收对应的回波信号，对回波信号进行FFT处理，获取待测目标的距离信息，从而确定待测目标所在的距离门，提取对应的相位，重复获取回波信号的距离信息和相位值，形成相位-时序数据，并进行相位解缠绕处理，获取真实相位，通过对真实相位进行相位差分操作，计算得到待测目标的形变值，实现了通过RAR模式对目标的形变监测，能够对微弱振动进行实时持续监测，且监测精度高。
在一个实施例中，提供了一种基于MIMO毫米波雷达的多模式形变监测方法，能够通过同时启动SAR模式和RAR模式，对目标进行形变监测，使得该方法能够适用于多种场景的目标形变监测，能够同时对大幅度形变和微弱形变进行监测，便于提取待测目标的有效形变信息，且能够得到更加清晰的成像图，提升了待测目标的监测精确度。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种基于MIMO毫米波雷达的多模式形变监测系统，其特征在于，包括：
精密滑轨、第一MIMO雷达、第二MIMO雷达和主控计算机；
所述第一MIMO雷达用于进行SAR模式的目标形变监测，所述第一MIMO雷达由所述精密滑轨带动对目标发射调频连续波信号，并接收对应的回波信号，将所述回波信号传输至所述主控计算机；所述主控计算机接收所述回波信号进行处理，获取天线通道数*方位位置*高度位置*距离维的四维立方体离散数据，采用RAM成像算法对所述四维立方体离散数据进行处理，获取不同时刻的SAR主副图像，对所述SAR主副图像进行干涉、配准及解缠绕处理，计算出目标的形变值；
所述第二MIMO雷达固定在系统最高处，用于进行RAR模式的目标微形变监测，通过所述第二MIMO雷达对目标连续发射射频连续波，并接收回波，通过所述主控计算机处理所述回波，提取回波的相位信息进行解缠绕，反演得到形变-时序图，根据所述形变-时序图计算出目标的形变值。
2.根据权利要求1所述的基于MIMO毫米波雷达的多模式形变监测系统，其特征在于，所述第一MIMO雷达和第二MIMO雷达的前端模块均包括有发射天线阵列、接收天线阵列、信号处理存储模块、射频控制电路、功率放大器、混频器、低噪声放大器、中频滤波器和模数转换器；
所述发射天线阵列与所述功率放大器连接，所述射频电路连接所述混频器、功率放大器和信号处理存储模块；
所述接收天线阵列与所述低噪声放大器连接，所述低噪声放大器与所述混频器连接，所述混频器与所述中频滤波器连接，所述中频滤波器与所述模数转换器连接，所述模数转换器与所述信号处理存储模块连接。
3.一种基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，采用如上述权利要求1-2任一项所述的基于MIMO毫米波雷达的多模式形变监测系统，能够实现SAR模式和/或RAR模式的目标形变监测，其中，SAR模式包括：
根据第一MIMO雷达的天线布局，接收回波数据并进行处理，获取通道、方位向、高度向和距离向的四维立方体离散数据，所述四维立方体离散数据包括待测目标的方位、高度和距离信息；
根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，通过成像聚焦获取不同时刻SAR图像形成的多幅时序复数图像；
从所述多幅时序复数图像中选取一幅图像作为主图像，未选中的作为副图像，采用相关系数法对所述主图像和副图像进行图像配准处理，将配准后的主图像和副图像共轭相乘，获得若干幅干涉图像；
采用振幅均值法和振幅离差法在所述若干幅干涉图像选取永久散射点，根据所述永久散射点构建三角网络；
采用基于FFT的最小二乘法对所述三角网络进行相位解缠绕操作，获取每个所述永久散射点的真实相位，根据所述真实相位反演获取待测目标的形变值。
4.根据权利要求3所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述根据通道将对应的四维立方体离散数据放置在随滑轨移动时发射调频连续波的位置处，根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，通过成像聚焦获取不同时刻SAR图像形成的多幅时序复数图像，具体包括：
在慢时间t时刻，接收阵元n接收来自发射阵元m的静态场景目标回波信号的实际多普勒信号相位为：
Figure FDA0003887910060000021
所述接收阵元和发射阵元的中间位置为等效相位中心，，等效多普勒信号相位为等效阵元到目标点距离Re(t)的双程延时得到的相位，为：
Figure FDA0003887910060000022
将所述实际多普勒信号相位与等效多普勒信号相位的差值进行等效中心相位补偿，将四维立方体离散数据根据等效相位中心原理进行相位补偿，并进行距离向的傅里叶变换，则雷达回波表示为：
Figure FDA0003887910060000023
将相位补偿后的四维立方体离散数据送入RMA快速层析算法中，通过成像聚焦形成高精度SAR图像，为：
Figure FDA0003887910060000024
其中，σ(x,y,z0)为雷达散射截面积，是目标在第一MIMO雷达接收方向上反射第一MIMO雷达信号能力的度量，K＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离第一MIMO雷达孔径的距离；
根据不同时刻的高精度SAR图像，形成时序复数图像。
5.根据权利要求4所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述RMA快速层析算法具体包括：
将任意散射点的散射系数用卷积表示为：
Figure FDA0003887910060000031
根据卷积定理将上式改写为：
Figure FDA0003887910060000032
结合驻定相位原理求解上式，则成像区域任意散射点强度分布为：
Figure FDA0003887910060000033
其中，k＝2πf/c为对应发射频率的波数，Z0＝z+R0为目标距离雷达孔径的距离。
6.根据权利要求5所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述从所述多幅时序复数图像中选取一幅图像作为主图像，未选中的作为副图像，采用相关系数法对所述主图像和副图像进行图像配准处理，将配准后的主图像和副图像共轭相乘，获得若干幅干涉图像，具体包括：
在所述主图像中选取主图像中心点，并确定所述主图像中心点在所述副图像上的同名点；
根据所述主图像中心点和同名点，计算副图像相对主图像在行、列方向上的坐标偏移量；
以所述主图像中心点为中心选取匹配窗口，在所述副图像对应的位置选取搜索框，并以整像素为步进搜索计算不同偏移时的相关系数，获取最大相关系数，所述最大相关系数对应的点为配准点，其中，所述相关系数的计算公式为：
Figure FDA0003887910060000034
式中，M1表示主图像，M2表示副图像，m、n为相关计算的窗口大小，u、v为窗口的偏移量，*表示复共轭；
根据所述配准点对所述副图像进行配准，所述副图像逐一配准完成后，将所述副图像分别与所述主图像共轭相乘，获取干涉图像。
7.根据权利要求6所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述采用振幅均值法和振幅离差法在所述若干幅干涉图像选取永久散射点，根据所述永久散射点构建三角网络，具体包括：
计算所述干涉图像的振幅均值，公式为：
Figure FDA0003887910060000041
式中，M和N分别表示图像中行和列的像元数目；
遍历所述干涉图像上所有像素点的幅值，保留所述干涉图像上幅值大于所述振幅均值的像素点，获取若干幅新干涉图像；
在所述若干幅新干涉图像中，用(i,j)表示像素点的坐标，mA(i,j)表示振幅均值，mA(i,j)表示方差，其中，振幅均值以及方差的计算公式分别为：
Figure FDA0003887910060000042
式中，Ak(i,j)表示第k幅干涉图像的振幅图，N表示振幅图个数；
设置阈值ε，计算振幅离差指数DA(i,j)，公式为：
Figure FDA0003887910060000043
若所述振幅离差指数大于阈值ε，则认定对应的像素点为永久散射点；
基于Delaunay三角网的构造方法，根据所述永久散射点构建三角网络。
8.根据权利要求7所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述采用基于FFT的最小二乘法对所述三角网络进行相位解缠绕操作，获取每个所述永久散射点的真实相位，根据所述真实相位反演获取待测目标的形变值，具体包括：
在所述三角网络中选取一个永久散射点Pi,j作为参考点，计算Pi,j的值，公式为：
Figure FDA0003887910060000051
设定干涉相位矩阵大小为M×N，根据周期函数对每一行的Pi,j进行镜像对称操作，并按列执行相同操作得到
Figure FDA0003887910060000052
其中，周期函数为：
Figure FDA0003887910060000053
对
Figure FDA0003887910060000054
作二维傅里叶变换，得到Pk,l，根据下式计算
Figure FDA0003887910060000055
Figure FDA0003887910060000056
对
Figure FDA0003887910060000057
作二维傅里叶逆变换，得到解缠绕函数的最小二乘估算值，完成解缠绕操作，得到真实相位；
基于所述真实相位采用下式反演出待测目标的形变值：
Figure FDA0003887910060000058
其中，λ为电磁波波长，
Figure FDA0003887910060000059
为干涉相位差。
9.根据权利要求3所述的基于MIMO毫米波雷达的多模式形变监测方法，其特征在于，所述RAR模式包括：
通过第二MIMO雷达向待测目标发射调频连续波信号，并接收待测目标的回波信号；
对所述回波信号进行距离维的快速傅里叶变换，获取待测目标的距离信息，并根据所述距离信息，确定待测目标所在的距离门并提取对应回波信号的相位值；
重复获取所有回波信号的距离信息和相位值，得到相位-时序数据；
对所述相位-时序数据进行相位解缠绕处理，获取真实相位；
对所述真实相位进行相位差分操作，并根据差分后的真实相位计算获取待测目标的形变值。
CN202211251033.4A 2022-10-13 2022-10-13 基于mimo毫米波雷达的多模式形变监测系统及方法 Pending CN115616568A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211251033.4A CN115616568A (zh) 2022-10-13 2022-10-13 基于mimo毫米波雷达的多模式形变监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211251033.4A CN115616568A (zh) 2022-10-13 2022-10-13 基于mimo毫米波雷达的多模式形变监测系统及方法

Publications (1)

Publication Number Publication Date
CN115616568A true CN115616568A (zh) 2023-01-17

Family

ID=84861714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211251033.4A Pending CN115616568A (zh) 2022-10-13 2022-10-13 基于mimo毫米波雷达的多模式形变监测系统及方法

Country Status (1)

Country Link
CN (1) CN115616568A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993586A (zh) * 2023-03-24 2023-04-21 湖南华诺星空电子技术股份有限公司 具备微形变监测和动目标检测的边坡雷达监测方法及装置
CN116359871A (zh) * 2023-03-24 2023-06-30 上海毫微太科技有限公司 一种信号处理方法和图像采集设备
CN116499671A (zh) * 2023-06-27 2023-07-28 南京隼眼电子科技有限公司 基于毫米波雷达的桥梁挠度监测方法、装置及存储介质
CN116559866A (zh) * 2023-07-11 2023-08-08 南京天辰礼达电子科技有限公司 一种地基合成孔径雷达大气补偿方法
CN116973877A (zh) * 2023-09-22 2023-10-31 南京楚航科技有限公司 一种毫米波雷达形变测量方法、系统及测量真值标定方法
CN117452367A (zh) * 2023-12-21 2024-01-26 西安电子科技大学 基于宽带成像雷达的sar载荷辐射信号提取方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993586A (zh) * 2023-03-24 2023-04-21 湖南华诺星空电子技术股份有限公司 具备微形变监测和动目标检测的边坡雷达监测方法及装置
CN116359871A (zh) * 2023-03-24 2023-06-30 上海毫微太科技有限公司 一种信号处理方法和图像采集设备
CN116359871B (zh) * 2023-03-24 2024-01-19 上海毫微太科技有限公司 一种信号处理方法和图像采集设备
CN116499671A (zh) * 2023-06-27 2023-07-28 南京隼眼电子科技有限公司 基于毫米波雷达的桥梁挠度监测方法、装置及存储介质
CN116499671B (zh) * 2023-06-27 2023-09-01 南京隼眼电子科技有限公司 基于毫米波雷达的桥梁挠度监测方法、装置及存储介质
CN116559866A (zh) * 2023-07-11 2023-08-08 南京天辰礼达电子科技有限公司 一种地基合成孔径雷达大气补偿方法
CN116559866B (zh) * 2023-07-11 2023-09-29 南京天辰礼达电子科技有限公司 一种地基合成孔径雷达大气补偿方法
CN116973877A (zh) * 2023-09-22 2023-10-31 南京楚航科技有限公司 一种毫米波雷达形变测量方法、系统及测量真值标定方法
CN116973877B (zh) * 2023-09-22 2023-12-12 南京楚航科技有限公司 一种毫米波雷达形变测量方法、系统及测量真值标定方法
CN117452367A (zh) * 2023-12-21 2024-01-26 西安电子科技大学 基于宽带成像雷达的sar载荷辐射信号提取方法及装置
CN117452367B (zh) * 2023-12-21 2024-03-26 西安电子科技大学 基于宽带成像雷达的sar载荷辐射信号提取方法及装置

Similar Documents

Publication Publication Date Title
CN115616568A (zh) 基于mimo毫米波雷达的多模式形变监测系统及方法
CN103713288B (zh) 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
CN107229048B (zh) 一种高分宽幅sar动目标速度估计与成像方法
CN104833973B (zh) 基于半正定规划的线阵sar后向投影自聚焦成像方法
CN104898118B (zh) 一种基于稀疏频点的三维全息成像的重建方法
CN105699969B (zh) 基于广义高斯约束的最大后验估计角超分辨成像方法
CN109738894B (zh) 一种用于大视场合成孔径雷达的高斜视多角度成像方法
CN103018739B (zh) 一种校正多通道幅相误差的微波三维成像方法
CN104950305A (zh) 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法
CN104536000A (zh) 一种实波束扫描雷达角超分辨方法
Wacks et al. Passive synthetic aperture hitchhiker imaging of ground moving targets—Part 1: Image formation and velocity estimation
CN110146884B (zh) 机动轨迹前侧视合成孔径雷达层析成像方法
CN106291543A (zh) 一种运动平台扫描雷达超分辨成像方法
CN103616682B (zh) 一种基于曲面投影的多基线InSAR处理方法
CN105137424A (zh) 一种杂波背景下实波束扫描雷达角超分辨方法
CN109298417B (zh) 一种基于雷达信号处理的建筑物内部结构探测方法及装置
CN104122549A (zh) 基于反卷积的雷达角超分辨成像方法
CN104515980A (zh) 一种基于InSAR构型的地面运动目标检测方法和装置
CN108132466B (zh) 一种机载阵列天线下视三维成像方法和系统
CN110082764A (zh) 基于稳健正则化层析方法的sar图像成像方法
CN114545411A (zh) 一种基于工程实现的极坐标格式多模高分辨sar成像方法
CN108732555B (zh) 一种自动驾驶阵列微波成像运动补偿的方法
US8305253B1 (en) Forward-looking synthetic aperture radar processing
KR102151362B1 (ko) 극좌표변환을 이용한 항공기기반 영상복원장치 및 이를 이용한 영상복원방법
CN113466797A (zh) 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination